那是人工智能大獲全勝的時(shí)刻：2016年3月，全球有2.8億人見(jiàn)證了圍棋世界冠軍李世石與谷歌（Google）旗下人工智能企業(yè)DeepMind開(kāi)發(fā)的阿爾法狗（AlphaGo）之間的歷史之戰(zhàn)。這次比賽在韓國(guó)舉行，向全球直播，最終李世石以1：4敗給了阿爾法狗。

人們一向認(rèn)為，在棋類(lèi)游戲中，圍棋是人工智能的最大挑戰(zhàn)者，因?yàn)閲逍枰薮蟮乃阉骺臻g，而且棋子位置和走向很難判斷。直覺(jué)，也就是從整個(gè)棋局判斷比賽形勢(shì)的能力，才是贏棋的關(guān)鍵。

人工智能比埃隆•馬斯克（Elon Musk）等行業(yè)大佬的預(yù)測(cè)提前10年完成了這項(xiàng)看似不可能完成的任務(wù)。它是如何做到的？答案就是它采用了谷歌及其他硅谷技術(shù)公司在管理員工時(shí)所使用的方法。

接下來(lái)，本文將介紹谷歌和阿爾法狗為大幅度提高創(chuàng)新能力而采用的5個(gè)原則。在這個(gè)VUCA（volatile, uncertain, complex, ambiguous的首字母縮寫(xiě)，即易變、不確定、復(fù)雜、模糊）時(shí)代，所有公司都可以用這些原則展開(kāi)競(jìng)爭(zhēng)。

阿爾法狗和谷歌都采用了自組織智能體。在人工智能技術(shù)中，智能體自己學(xué)習(xí)，而不是依賴(lài)那些根據(jù)圍棋大師的經(jīng)驗(yàn)事先編寫(xiě)好的指令。

谷歌管理員工的方式也體現(xiàn)了這一原則：“招聘最優(yōu)秀的人才，給他們自由。”在谷歌，管理者被要求盡量向下級(jí)授權(quán)，授權(quán)程度之大讓他們自己都開(kāi)始感覺(jué)有些不自在。

另外，谷歌還有一條20%工作時(shí)間的規(guī)定，即員工應(yīng)當(dāng)花20%的時(shí)間來(lái)做他們認(rèn)為對(duì)谷歌最有益的事。這也體現(xiàn)了上述理念。

阿爾法狗采用兩套簡(jiǎn)單規(guī)則：

這些規(guī)則可以降低阿爾法狗需要處理的輸入信息，從而提升計(jì)算速度。

谷歌也采用簡(jiǎn)單規(guī)則對(duì)多元化群體（由自組織員工組成）提供泛泛的指導(dǎo)。

與僅用于有限目的的狹義人工智能不同，阿爾法狗是通用人工智能（artificial general intelligence, AGI）—可在多種類(lèi)型任務(wù)環(huán)境下操作的單一系統(tǒng)。

狹義人工智能的問(wèn)題在于一旦碰到原先程序中沒(méi)有涉及的情況就會(huì)死機(jī)，例如智慧家庭中所使用的人工智能。而像阿爾法狗這樣的通用人工智能算法在穩(wěn)定性和適應(yīng)性方面都更勝一籌。

谷歌同樣也是喜歡通才甚于專(zhuān)才：

輸入的多元化提升了阿爾法狗的表現(xiàn)。開(kāi)發(fā)者先用優(yōu)秀業(yè)余棋手間10萬(wàn)次對(duì)弈對(duì)它進(jìn)行訓(xùn)練，然后用3,000萬(wàn)次與自己的對(duì)弈進(jìn)行自我訓(xùn)練。

谷歌也欣賞多元化，而不是千篇一律。它認(rèn)為：

阿爾法狗的學(xué)習(xí)方法是通過(guò)試錯(cuò)不斷地進(jìn)行實(shí)驗(yàn)。它采用的不是暴力算法，而是強(qiáng)化學(xué)習(xí)法：

谷歌每年會(huì)進(jìn)行2萬(wàn)次快速實(shí)驗(yàn)，評(píng)估實(shí)驗(yàn)結(jié)果，然后周而復(fù)始，以便實(shí)現(xiàn)漸進(jìn)式提升。這一過(guò)程中的失敗不會(huì)受到懲罰。

埃里克•施密特（Eric Schmidt）在評(píng)價(jià)Google Wave這個(gè)即時(shí)交流平臺(tái)的失敗時(shí)說(shuō)：“我們的政策就是不斷地嘗試。我們歡迎失敗。在我們公司，啃硬骨頭絕對(duì)不會(huì)有問(wèn)題。即便沒(méi)有成功，我們也可以吸取教訓(xùn)，然后用在新項(xiàng)目上。”

這些幫助阿爾法狗打敗李世石的原則，也幫助谷歌創(chuàng)造了一種能孕育徹底創(chuàng)新的文化。正是因?yàn)轫槕?yīng)了自然法則，這些原則對(duì)所有組織具有普適性。

然而，在面臨VUCA形勢(shì)時(shí)，這些原則同樣會(huì)使很多傳統(tǒng)公司陷入癱瘓。現(xiàn)在，領(lǐng)導(dǎo)要面對(duì)太多紛繁復(fù)雜、相互糾纏的因素，在很短的時(shí)間內(nèi)應(yīng)對(duì)太多的不確定性，做出有效決策。

現(xiàn)在的商界日益復(fù)雜，工業(yè)化時(shí)代那種以命令和控制為主的領(lǐng)導(dǎo)方式已經(jīng)無(wú)法滿足需要。為了在像圍棋這種復(fù)雜的游戲中取勝，人工智能必須從暴力計(jì)算升級(jí)到更加快速靈活的方法。

同理，企業(yè)領(lǐng)導(dǎo)者也需要升級(jí)自己的游戲規(guī)則，以便成功應(yīng)對(duì)當(dāng)前復(fù)雜的商業(yè)環(huán)境。

即使是最優(yōu)秀的人工智能，也無(wú)法根據(jù)以往對(duì)弈過(guò)程分析中得到的專(zhuān)家知識(shí)指揮當(dāng)前的落子方式。同樣，即使是最優(yōu)秀的領(lǐng)導(dǎo)者，也無(wú)法看透一個(gè)決策和部署的最終結(jié)果。

現(xiàn)在的競(jìng)爭(zhēng)已經(jīng)變得過(guò)于復(fù)雜，致使決策變得更加困難。自組織、簡(jiǎn)單規(guī)則、通用方法、多元輸入以及大量試錯(cuò)等原則有助于駕馭這種復(fù)雜性，從而大幅度提升徹底創(chuàng)新的能力。

請(qǐng)大家記住，那些創(chuàng)造新的產(chǎn)品品類(lèi)或者重塑行業(yè)動(dòng)態(tài)的徹底創(chuàng)新，通常都來(lái)自實(shí)驗(yàn)過(guò)程中出現(xiàn)的數(shù)量眾多的副產(chǎn)品，是一種意外之喜。

 

作者： 桑尼·賈爾斯；來(lái)源：商業(yè)評(píng)論精選